李宝奇
- 作品数：6 被引量：66H指数：4
- 供职机构：西北工业大学航海学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程建筑科学更多>>
- 基于全卷积神经网络的非对称并行语义分割模型被引量：11
- 2019年
- 针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征;下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征;后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合,并将4倍上采样后的融合特征作为语义分割输出.结果表明,APFCN在像素精度和交并比等方面均优于FCN(输入为RGB图像或红外图像),适用于背景一致下地面目标的语义分割任务.
- 李宝奇贺昱曜何灵蛟强伟
- 关键词：空洞率
- 基于光线折射模型的水下图像转换算法研究被引量：1
- 2019年
- 针对水下目标成像时光线折射所造成的图像失真问题,以及现有图像转换算法因忽略光线二次折射所造成的转换误差,提出一种基于光线折射模型的水下图像转换转算法。该算法首先获取水下图像的像素点信息,通过映射关系计算得到像素点在等效空气图像中的对应坐标信息,从而获得水下目标的等效空气图像。实验结果显示,文中所提算法较之现有图像转换算法,u方向图像转换误差均值由2.2895降为1.2133,降低47.01%,v方向图像转换误差均值由3.2525降为1.5263,降低53.07%。同时,测距误差均值由58.83mm降为28.88mm,降低50.91%。
- 陈旭阳贺昱曜宗瑞良李宝奇赵耀华
- 关键词：双目立体视觉图像处理海洋光学
- 基于DBN的隧道地质超前预报自动解释算法被引量：3
- 2017年
- 针对隧道地质超前预报过程中,探地雷达(ground penetrating radar,GPR)线测图解释仅依靠专家经验,且存在准确率不高的问题,通过对GPR成像原理和隧道地质特性的研究,以及对深度置信网络(deep belief networks,DBN)计算复杂度的分析,提出一种改进的基于压缩感知和DBN的GPR线测图分类解释模型。该模型首先利用压缩感知技术对原始GPR线测图进行压缩处理,通过选择图像压缩比得到合理的压缩图像;然后将压缩后的图像送入DBN模型进行分类,根据分类结果对原始GPR线测图进行解释;最后利用广西六宜(六寨—宜州)高速公路隧道实测数据对模型的有效性进行验证,试验数据共20 000幅GPR图像,包括6种隧道地质类型,其中15 000幅图像作为训练样本集,5 000幅图像作为测试样本集。研究结果表明:当GPR线测图压缩比为256,反向微调数据为1 000幅图像,DBN模型迭代次数为30时,模型对测试数据中6类探地雷达线测图的分类准确率达100%,单次训练时间降低为原DBN模型的8%左右;大量仿真试验发现GPR线测图的合理图像压缩比区间为64~1 024,在此区间压缩的图像能最大限度地降低图像维度并且保留原始图像信息。该模型具有解释准确率高、训练速度快等优点,可为制定隧道施工和开挖计划提供合理依据。
- 李宝奇贺昱曜郭元术邱业绩
- 关键词：隧道工程隧道地质超前预报探地雷达压缩感知
- 光照不变量特征提取新方法及其在目标识别中的应用被引量：8
- 2018年
- 针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法 MLNCST.新方法首先用NSCT将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行Bayes Shrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet模型下,MLNSCT比LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的Dual lenet能进一步提高地面目标识别准确率.
- 李宝奇贺昱曜陈立柱
- 关键词：光照不变量
- 一种组合型的深度学习模型学习率策略被引量：28
- 2016年
- 一个设计良好的学习率策略可以显著提高深度学习模型的收敛速度,减少模型的训练时间.本文针对AdaGrad和AdaDec学习策略只对模型所有参数提供单一学习率方式的问题,根据模型参数的特点,提出了一种组合型学习策略:AdaMix.该策略为连接权重设计了一个仅与当前梯度有关的学习率,为偏置设计使用了幂指数型学习率.利用深度学习模型Autoencoder对图像数据库MNIST进行重构,以模型反向微调过程中测试阶段的重构误差作为评价指标,验证几种学习策略对模型收敛性的影响.实验结果表明,AdaMix比AdaGrad和AdaDec的重构误差小并且计算量也低,具有更快的收敛速度.
- 贺昱曜李宝奇
- 关键词：学习率图像重构
- 基于并行附加特征提取网络的SSD地面小目标检测模型被引量：16
- 2020年
- 针对SSD原始附加特征提取网络(Original Additional Feature Extraction Network,OAFEN)中stride操作造成图像小目标信息丢失和串联结构产生的多尺度特征之间冗余度较大的问题,提出了一种计算量小、感受野大的深度可分离空洞卷积(Depthwise Separable Dilated Convolution,DSDC),并利用DSDC设计了一个包含三个独立子网络的并行附加特征提取网络(Parallel Additional Feature Extraction Network,PAFEN).PAFEN上路用两个DSDC提取尺寸为19*19和3*3的特征图;中路用一个DSDC提取尺寸为10*10的特征图;下路用两个DSDC提取尺寸为5*5和1*1的特征图.实验结果表明,在SSD框架内,PAFEN在mAP和检测时间等方面均优于OAFEN,适用于地面小目标的检测任务.
- 李宝奇贺昱曜强伟何灵蛟
- 关键词：目标检测SSD
